Künstliche Intelligenz

Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das sich damit beschäftigt, Maschinen mit Fähigkeiten auszustatten, die intelligentem (menschlichem) Verhalten ähneln. Dies kann mit vorprogrammierten Regeln oder durch Maschinelles Lernen erreicht werden. Starke bzw. generelle KI bezeichnet Maschinen, die generalisierende Intelligenz- und Transferleistungen erbringen können und somit nicht nur auf sehr begrenzte, vordefinierte Aufgabenfelder beschränkt sind.

Der Fraunhofer-Verbund Produktion bearbeitet in seinen Instituten Kompetenz- und Forschungsfelder der künstlichen Intelligenz (KI) und deren Anwendungen in den Bereichen Robotik, Bild- und Sprachverarbeitung sowie Prozessoptimierung.  

Die KI-Algorithmen und Systeme von Fraunhofer werden beispielsweise in der Werbebranche, in der Automotive-Industrie, in der industriellen Produktion, in der Medizin und in der Finanzindustrie eingesetzt.

KI-Landkarte der »Plattform Lernende Systeme«

KI-Innovationen im Überblick

Unter der KI-Landkarte, präsentieren sich über 330 KI-Anwendungsbeispiele, die in Deutschland heute und in naher Zukunft zum Einsatz kommen – über sämtliche Branchen, Einsatzfelder und Unternehmensgrößen hinweg.

 

Folgende Institute des Fraunhofer-Verbunds Produktion sind gelistet:

 

▸ Fraunhofer-Institut für Großstrukturen in der Produktionstechnik IGP

▸ Fraunhofer-Institut für Gießerei-, Composite- und Verarbeitungstechnik IGCV

▸ Fraunhofer-Institut für Entwurfstechnik Mechatronik IEM

▸ Fraunhofer-Institut für Fabrikbetrieb und -automatisierung IFF

▸ Fraunhofer-Institut für Materialfluss und Logistik IML

▸ Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik IPK

▸ Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA

▸ Fraunhofer-Institut für Produktionstechnologie IPT

▸ Fraunhofer-Institut für Werkzeugmaschinen und Umformtechnik IWU

 

zur KI-Landkarte  

 

 

 

Aktuelles zu Künstlicher Intelligenz aus unseren Verbund-Instituten

 

Forschungsprojekt KIAM

Im Projekt KIAM bauen das Fraunhofer IEM zusammen mit Partnern ein regionales Kompetenzzentrum der Arbeitsforschung auf. KIAM soll Unternehmen durch die Kombination von KI-Forschung und KI-Anwendung sowie den Aufbau von Transferstrukturen dabei unterstützen, die Potenziale von KI für die Arbeitswelt zu erkennen und zu nutzen.

 

IMAGINE – Innovative KI-Lösungen für die Intralogistik von morgen

Im Rahmen des Forschungsprojekts IMAGINE werden Methoden und Hilfsmittel entwickelt, mithilfe derer die Einführung und Nutzung der Künstlichen Intelligenz in den drei Kernbereichen der Intralogistik Auftragsabwicklung, Transport und Lagerhaltung unterstützt wird.  

 

MOVE: Mit KI-Methoden zu optimiertem Supply Chain Management

Im Rahmen des Innovationsprojektes MOVE erforscht das Fraunhofer IEM mit einem starken Konsortium aus Forschungs- und Industriepartnern den Einsatz von KI-Verfahren, um Problemstellungen im Supply Chain Management zu lösen.

 

KI-Marktplatz - Der digitale Marktplatz für KI-Lösungen in der Produktentstehung

Im Projekt KI-Marktplatz arbeitet das Fraunhofer IEM mit 18 Partnern an einem Ökosystem für Künstliche Intelligenz in der Produktentstehung. Dreh- und Angelpunkt des Ökosystems ist eine gleichnamige digitale Plattform, die KI-Experten, Lösungsanbieter und produzierende Unternehmen zusammenbringt und so gemeinsame Innovationen fördert.  

 

ML4Pro² – Künstliche Intelligenz optimiert Prozesse in Industrieunternehmen

Ziel des Projekts Maschinelles Lernen für die Produktion und deren Produkte ist es, Unternehmen maschinelles Lernen für intelligente Produkte und Produktionsverfahren zugänglich zu machen.   

EASY – Mit Künstlicher Intelligenz die Anlagensteuerung optimieren

Projekt EASY - Embedded Artificial Intelligence for Production Systems. Im Rahmen von drei Use Cases wird hierbei das Potential erarbeitet und aufgezeigt, welches diese innovativen Algorithmen bieten. Im Bereich Predictive Maintenance soll mithilfe von KI-Algorithmen die verschleißabhängige Wartung optimiert werden. Der Use case Predictive Quality zielt darauf ab Expertenwissen in Maschinen zu integrieren. Im dritten Anwendungsfall wird ein KI-basiertes Multiagentenbasiertes Manufacturing Execution System (MES) entwickelt, das Anomalien in Produktionsprozessen erkennt und die Aufgabenplanungen anpasst.

Kollege Roboter in der industriellen Produktion

Und wenn in der industriellen Produktion Mensch und Maschine direkt nebeneinander arbeiten und miteinander kooperieren sollen? Mobile Assistenzroboter müssen auch die Bewegungen des Werkers erkennen und entsprechend ausweichen können. Sie müssen zudem selbstständig entscheiden, welche Aktion notwendig ist, um vielfältige Aufgaben im Umfeld mit dem Menschen durchzuführen. Forscherinnen und Forscher vom Fraunhofer-Institut für Fabrikbetrieb und -automatisierung IFF entwickeln den mobilen Assistenzroboter ANNIE sowie das komplexe Softwareframework und die Sensordatenverarbeitung, um Aufgaben wie Schrauben, Bohren, Schweißen oder Kleben flexibel durchzuführen. »Mobile Assistenzroboter müssen fehlertolerantes Verhalten aufweisen, um auch in unvorhersehbaren Situationen handlungsfähig zu bleiben«, sagt Christoph Walter vom Fraunhofer IFF, der die Forschungsthemen zur mobilen Assistenzrobotik am Fraunhofer IFF koordiniert und leitet.

Für den Milliardenmarkt kognitiver Systeme besteht noch hoher Forschungs- und Entwicklungsbedarf, große Investitionen sind erforderlich. Fraunhofer ist hier mit den Kernkompetenzen ein bedeutender Systemanbieter. Ziel ist es, Forschung und Entwicklung kognitiver Maschinen als zukunftsweisendes Themenfeld in Deutschland zu fördern, prominent zu platzieren und in Innovationen umzusetzen. Dazu wurde bereits eine Reihe von Kooperationen und Initiativen ins Leben gerufen. So hat die Fraunhofer-Allianz Big Data eine weitreichende Untersuchung zur Marktentwicklung und zum Innovationspotenzial von Künstlicher Intelligenz als intern gefördertes Projekt initiiert. Auch die Young Research Class, das neue Fraunhofer-Karriereprogramm für Nachwuchswissenschaftler, widmet sich dem Thema Kognitive Maschinen. 2017 soll der Machbarkeitsnachweis für die Idee »selbstbestimmt lernender kognitiver Assistenten« erbracht werden. In einem Kooperationsvorhaben zwischen der Fraunhofer-Gesellschaft und der Max-Planck-Gesellschaft zum Thema Maschinelles Lernen will man gemeinsam große, multidimensionale Machine-Learning-Modelle auf die ereignisrelevanten Parameter reduzieren, ohne dabei nennenswerte Qualitätsverluste in Kauf nehmen zu müssen.

Es gibt noch eine Reihe von Fragen zu klären, etwa wie mit ethischen Aspekten umzugehen ist, oder wie sich mit revolutionären Technologien wie neuromorphen Chips die Effizienz der Verfahren weiter steigern ließe. »Alle notwendigen Disziplinen und Kompetenzen sind bei Fraunhofer in hoher Qualität vorhanden«, fasst Professor Jürgen Beyerer vom Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB zusammen. »Jetzt müssen wir die bisher nicht vernetzten Parallelaktivitäten in visionären, symbiotischen Projektteams zusammenführen.«

 

 

REIF - Resource-efficient, Economic and Intelligent Foodchain

Im Forschungsprojekt  werden die Potenziale der Künstlichen Intelligenz (KI) zur Optimierung der Plan- und Steuerbarkeit der Wertschöpfung in der Lebensmittelindustrie untersucht.  

 

AnomalieKI - KI-basierte Qualitätssicherung von Gussbauteilen

Das Ziel des Projekts Anomalie-KI ist die Entwicklung eines Vorgehens unter Einsatz von Künstlicher Intelligenz (KI) zur Identifikation von Anomalien in Gussbauteilen, um sowohl Kosten als auch Zeit zu sparen.

 

SeMplex - Semantische Modellierung der komplexen Abhängigkeiten additiver Fertigungsprozesse

Das Ziel des Projekts SeMplex ist die ontologische Beschreibung von Material- und Prozesskennwerten zur Prognose von Bauteileigenschaften additiv gefertigter Bauteile.

 

Silicon Economy - Infrastruktur für die logistischen Plattformen der Zukunft

Im Projekt entsteht eine Open-Source-Infrastruktur sowie Hardware und Software für die Plattformökonomie, die in einer „digitalen Bibliothek“ öffentlich verfügbar sein werden. Das neue „Betriebssystem“ versetzt Unternehmen in die Lage, Geschäftsprozesse entlang einer Lieferkette zu digitalisieren und zu automatisieren.  

ML2R – Das Kompetenzzentrum Maschinelles Lernen Rhein-Ruhr

Das Kompetenzzentrum Maschinelles Lernen Rhein-Ruhr ist einer von sechs bundesweiten Knotenpunkten, um die Entwicklung der Künstlichen Intelligenz und des Maschinellen Lernens in Deutschland auf ein weltweit führendes Niveau zu bringen. Dazu etablieren wir Spitzenforschung, fördern den wissenschaftlichen Nachwuchs und stärken den Technologietransfer in Unternehmen.

 

 

 

MobDi – Mobile Desinfektion

Ziel des Projekts MobDi ist es, neue robotische Lösungen für die effiziente, gleichzeitig aber auch schonende mobile Desinfektion von Oberflächen in verschiedenen Einsatzumgebungen sowie für den automatisierten und hygienegerechten Warentransport in Gebäuden zu entwickeln. Das Projekt beschäftigt sich zum einen mit dem Aufbau dafür flexibel einsetzbarer, modularer Desinfektions- und Transportroboter.  

 

RoboShield – Forschung für rundum sichere Produktionsanlagen

Das Ziel des Projekts RoboShield - in Kooperation mit dem Projekt CyberProtect - ist es, Herstellern, System-Integratoren und Endanwendern von industriellen Automatisierungstechniken zu ermöglichen, sich den rapide wandelnden Marktveränderungen anzupassen und dabei die Sicherheit der Produktionsanlage sicherzustellen.  

 

RoPHa

Mit dem Forschungsprojekt RoPHa sollen die Fertigkeiten von Servicerobotern so weiterentwickelt werden, dass diese alltägliche Handhabungsaufgaben sicher und interaktiv ausführen können. Die entwickelten Funktionen sollen auf dem Assistenzroboter Care-O-bot 4 im Anwendungskontext der mundgerechten Bereitstellung von Nahrung eingesetzt werden.

 

Deep Picking

Mit neuen Technologien den Automatisierungsgrad in der Handhabung erhöhen und so wirtschaftliche und qualitative Potenziale heben: Für dieses Ziel entwickeln wir im Projekt Deep Picking Handhabungstechnologien, um Depalettier- sowie Kommissionieraufgaben so robust und flexibel wie möglich zu gestalten.

 

Logic.Cube: Bauteilerkennung per APP

Mit Logic.Cube hat das Fraunhofer IPK eine Technologie entwickelt, die den Erfassungsprozess maßgeblich beschleunigt und eine konsistente Datengrundlage für die weiterführende Prozesslandschaft in der Logistik und Fertigung zur Verfügung stellt.

 

Automatisierte Identifikation gebrauchter Produkte - Forschungsprojekt EIBA

Im Rahmen des Projekts »EIBA: Sensorische Erfassung, automatisierte Identifikation und Bewertung von Altteilen anhand von Produktdaten sowie Informationen über bisherige Lieferungen« wird eine Maschine entwickelt, die mithilfe von KI-Methoden die Fehlerquote bei der Identifikation von Produkten reduzieren soll.  

 

KIRA Pro - KI verbindet Weiterbildungsangebote zu Qualifikationspfaden

Die Digitalisierung verändert Berufsbilder und Anforderungen in der Produktion. Im Projekt KIRA Pro entsteht eine künstliche Intelligenz, mit deren Hilfe Industrieunternehmen ihre Mitarbeitenden individuell fit für die vernetzte Fertigung der Zukunft machen.

 

Deployment von Lösungen des maschinellen Lernens und der künstlichen Intelligenz in der Produktionsumgebung

Ziel des Projekts ist die Entwicklung einer komponentenbasierten Deployment-Guideline, sowie die Umsetzung der Guideline anhand konkreter Use Cases aus der Community.

 

 

Erklärende KI für kooperatives Fehlermanagement – KausaLAssist

Wettbewerbsfähige Fertigungen müssen neue Produkte schnell und individuell bei gleichzeitig niedrigen Preisen produzieren. Die flexible Automatisierung dafür gelingt durch starke Integration von Software in die Produktionsplanung und -steuerung. Das Ziel des Forschungsprojekts KausaLAssist ist die Entwicklung eines gerichteten Graphen, der domänenspezifisches Wissen mit KI-Erkenntnissen über Kausalbeziehungen kombiniert.

 

eLearning-Kurs Machine Learning for Production

Das Fraunhofer IWU bietet einen Kurs an, in dem man einen Überblick darüber erhält, wie Machine Learning in der industriellen Produktion systematisch eingesetzt werden kann. Dabei lernt man z.B.  das »Machine Learning for Production« ML4P-Vorgehensmodell kennen, das im Rahmen eines Fraunhofer-Leitprojekts von mehreren Fraunhofer-Instituten entwickelt wurde.